在过去的一年里，AI 辅助编程彻底改变了我们写代码的方式。无论是快速验证一个出海产品的点子，还是交付几十万级别的商业化软件定制项目，AI 都在极大地压缩开发周期。
但是，很多人在使用 Cursor 等 AI IDE 时，往往会陷入一个误区：脑子里只有一个模糊的需求，就直接丢给 AI 一句“帮我写一个发卡系统”或者“帮我做一个管理后台”。
结果可想而知：AI 开始“放飞自我”，前端 UI 勉强能看，但后端的数据库设计一塌糊涂，稍微遇到点高并发或者复杂的支付回调逻辑，代码就直接崩溃。
AI 是一支由超级打工人组成的团队，但它不是你的项目经理，更不是你的架构师。
要想真正发挥 AI-Driven Development（AI 驱动开发）的威力，产出具备工程级健壮性、能稳定跑在 Docker 容器里的系统，我们需要一套标准作业程序（SOP）。这套 SOP 的核心逻辑，就是让你扮演“老板”，利用对话大模型（如 Gemini、Claude）分别扮演产品经理、设计师和架构师，最终把一份极其严谨的“施工图纸”喂给 Cursor 这样的 AI 研发环境。
以下是我总结的全链路 AI 驱动开发 5 步法。
第一步：需求收敛与结构化（让 AI 扮演资深产品经理）
一切没有边界的需求都是在耍流氓。在写代码前，必须把发散的脑洞收敛成结构化的产品需求文档（PRD）。
实战 Prompt：
“你现在是一位拥有 10 年经验的资深产品经理。我需要开发一个【填写项目一句话简介】。请帮我输出一份结构化的 PRD，必须包含：
- 产品核心价值与受众
- 系统角色划分（如 C 端用户、管理员）
- 核心功能拓扑图（用 Markdown 树状图展示）
- 关键业务状态机（如订单流转全过程）
- 异常与边界处理（列出至少 3 个高频异常及应对策略）”
有了这份 PRD，你就确立了整个项目的业务基调，防止 AI 在后续开发中遗漏关键的异常处理。
第二步：前端具象与交互原型（让 AI 扮演 UI/UX 专家）
不要直接在代码库里调 UI。拿着第一步的 PRD，让拥有代码生成能力的 AI 模型直接吐出 HTML 草图，在浏览器里确认交互流转。
实战 Prompt：
“基于我们刚确定的 PRD，你现在是一位注重交互体验的前端设计专家。请为这个系统的核心骨架设计 HTML 原型。
- 列出核心页面路由规划。
- 直接输出【某核心页面】的单文件 HTML 代码。
- 引入 Tailwind CSS CDN，风格要求极简、现代。必须包含关键的交互触点（按钮、表单、弹窗占位）。”
在这个阶段，你可以像甲方一样疯狂挑刺：“把按钮做大一点”、“加上暗黑模式”。直到页面骨架完全符合预期。
第三步：系统架构与数据建模（让 AI 扮演后端架构师）
这是最致命、最不可或缺的一步。 很多全栈项目烂尾，就是因为数据库设计没做好。你必须在这一步为系统定死技术边界。
实战 Prompt：
“前端骨架和业务需求已清晰。你现在是一位精通高并发与现代化部署的系统架构师。我们将使用 Cursor 进行开发，为了约束 AI，请提供架构设计：
- 技术栈选型（前端、后端、ORM、以及 Docker 容器化部署方案）。
- 数据库表结构（核心重点！）：请根据 PRD 输出完整的表结构设计。提供具体的 SQL DDL 或 Prisma Schema，包含主外键关联、索引设计和详细的中文注释。
- 核心 API 契约：列出最重要的 5 个接口请求路径、入参和返回结构。”
这一步的产出（特别是像 PostgreSQL 这类关系型数据库的严谨 Schema），是 AI 后续写后端逻辑的“圣经”。
第四步：组装 AI 全局开发上下文（扮演技术总监）
现在，把前三步的心血浓缩成一个 .cursorrules 文件，或者项目根目录下的 @project-context.md。这相当于给 Cursor 设定了“潜规则”。
实战 Prompt：
“现在我们需要将前面的 PRD、UI 思路、数据库 Schema 和 API 契约，整合为一份【AI 编程助手全局上下文文档】。请以纯 Markdown 输出，包含：
- 项目全局描述与技术栈版本。
- 完整的 Database Schema 代码。
- 项目目录结构规范。
- AI 行为准则（Rules）：例如‘禁止随意修改数据库结构，需先询问’、‘接口统一返回特定格式’等。”
第五步：模块化执行（Cursor 开发实战）
拿着第四步的文档，进入 Cursor 的 Composer 模式。切记：化整为零，逐点击破。
- 基建期：“读取
@project-context.md，帮我初始化项目结构，配置好数据库连接池和 Docker 环境。” - 接口期：“基于 Schema，生成某数据表的 CRUD 接口，并处理好事务。”
- 联调期：“写一个前端组件调用刚写好的接口，用 Tailwind 渲染，考虑网络超时的情况并加上 try-catch。”
每次完成一个核心模块，记得开一个新的 Chat 窗口，重新引用上下文，防止 AI 因为上下文过长而“失忆”。
总结
AI 不会淘汰程序员，但熟练掌握“工程化 Prompt + AI IDE”的开发者，其产能将是传统开发者的十倍以上。这套 5 步 SOP，本质上是强迫我们在动手敲代码前，把业务闭环、视觉交互、底层数据结构都想清楚。
理清了这些，写代码，反而成了整个软件工程里最简单的一环。
实战案例一：
在过去的一年里，AI 辅助编程彻底改变了我们写代码的方式。无论是快速验证一个出海 SaaS 的点子，还是为客户交付几十万级别的商业化软件定制项目，AI 都在极大地压缩开发周期。
但是，很多人在使用 Cursor 等 AI IDE 时，往往会陷入一个误区：脑子里只有一个模糊的需求，就直接丢给 AI 一句“帮我写一个 AI 客服系统”。
结果可想而知：AI 开始“放飞自我”，前端 UI 勉强能看，但后端的数据库设计一塌糊涂，稍微遇到点多轮对话的上下文管理、或者是 LLM（大语言模型）的流式响应（Stream），代码就直接崩溃。
AI 是一支由超级打工人组成的团队，但它不是你的项目经理，更不是你的架构师。
要想真正发挥 AI-Driven Development（AI 驱动开发）的威力，产出具备工程级健壮性的系统，我们需要一套标准作业程序（SOP）。这套 SOP 的核心逻辑，就是让你扮演“老板”，利用对话大模型分别扮演产品经理、设计师和架构师，最终把一份极其严谨的“施工图纸”喂给 Cursor。
下面，我将以开发一个“AI 客服智能体（Agent）系统”为例，带你跑通这套 5 步 SOP。
第一步：需求收敛与结构化（让 AI 扮演资深产品经理）
一切没有边界的需求都是在耍流氓。写代码前，必须把发散的脑洞收敛成结构化的产品需求文档（PRD）。在这个阶段，我们要明确这不是一个简单的“聊天机器人”，而是一个能查订单、能解答业务的 Agent。
实战 Prompt：
“你现在是一位拥有 10 年经验的资深产品经理。我需要开发一个【支持接入企业知识库并能调用 API 查询订单的 AI 客服系统】。请帮我输出一份结构化的 PRD，必须包含：
- 系统角色划分（C 端访客、B 端客服管理员）。
- 核心功能拓扑图（如：对话引擎、知识库上传、人工接管逻辑）。
- 关键业务状态机（如：AI 无法解答时，如何平滑流转到人工客服）。
- 异常与边界处理（如：大模型 API 接口超时或触发风控时的兜底策略）。”
拿到这份 PRD，你就确立了业务基调。AI 就不会在后续开发中漏掉“人工接管”这种关键逻辑。
第二步：前端具象与交互原型（让 AI 扮演 UI/UX 专家）
不要直接在代码库里调 UI。拿着第一步的 PRD，让大模型直接吐出 HTML 草图，在浏览器里确认交互流转。
实战 Prompt：
“基于我们刚确定的 PRD，你现在是一位注重交互体验的前端设计专家。请为这个 AI 客服系统设计核心前端原型。
- 直接输出【C 端悬浮聊天组件】和【B 端客服工作台】的单文件 HTML 代码。
- 引入 Tailwind CSS CDN，风格要求现代化 SaaS 风格。
- 必须包含关键的交互触点：比如聊天窗口的‘正在输入’动画提示（Typing indicator）、Markdown 渲染区域，以及 B 端工作台的‘会话列表’。”
在这个阶段，你可以像甲方一样疯狂挑刺，直到页面骨架完全符合预期。
第三步：系统架构与数据建模（让 AI 扮演后端架构师）
这是最致命、最不可或缺的一步。 特别是开发 AI 应用，涉及到复杂的系统层和提示词工程，必须在这一步为系统定死技术边界。
实战 Prompt：
“前端骨架和业务需求已清晰。你现在是一位精通现代化部署与 AI 应用架构的架构师。我们将使用 Cursor 进行开发，请提供架构设计：
- 技术栈选型：前端 Next.js，后端采用 Node.js/Python。大语言模型 API 计划接入 Gemini 或 MiniMax，并采用类似 OpenClaw 的 AI Agent 框架来管理对话流和工具调用。
- 数据库表结构（核心重点！）：请设计包含
Users（访客/客服）、Conversations（会话）、Messages（消息记录，需包含 token 消耗字段）、KnowledgeBase（知识库配置）的核心表。提供具体的 Prisma Schema 或 SQL DDL。- 核心 API 契约：重点列出
/api/chat/stream（流式对话接口）的入参和返回结构。”
这一步产出的 Schema 和架构方案，就是 AI 后续写后端逻辑的“圣经”。
第四步：组装 AI 全局开发上下文（扮演技术总监）
现在，把前三步的心血浓缩成一个 @project-context.md 文件。这相当于给 Cursor 设定了“潜规则”。
实战 Prompt：
“现在我们需要将前面的 PRD、UI 思路、数据库 Schema 和 API 契约，整合为一份【AI 编程助手全局上下文文档】。请以纯 Markdown 输出，包含：
- 项目全局描述与技术栈版本。
- 完整的 Database Schema 代码。
- 项目目录结构规范。
- AI 行为准则（Rules）：例如‘与大模型交互的接口必须使用 SSE (Server-Sent Events) 实现流式输出’、‘保存消息记录时必须异步写入数据库，不能阻塞用户的聊天响应’等。”
第五步：模块化执行（Cursor 开发实战）
拿着第四步的文档，进入 Cursor 的 Composer 模式（Cmd+I）。切记：化整为零，逐点击破。
- 基建期：“读取
@project-context.md，帮我初始化 Next.js 项目，配置好 Prisma 连接，并安装好调用大模型所需的 SDK。” - 页面期：“基于设计文档，用 Tailwind 帮我把 C 端的聊天窗口写出来，先用 mock 数据模拟打字机效果。”
- 核心逻辑期：“现在实现
/api/chat/stream接口。接收前端的提问，组装 System Prompt，调用大模型 API 获取流式响应，同时在后台异步将这条对话记录插入到Messages表中。” - 联调与完善：“当大模型返回特定的 function call（比如查询订单）时，帮我加上拦截逻辑，去查询数据库里的订单状态并返回给用户。”
每次完成一个核心模块，记得开一个新的 Chat 窗口，重新引用上下文，防止 AI 因为对话过长而“失忆”。
总结
AI 不会淘汰程序员，但熟练掌握“工程化 Prompt + AI IDE”的开发者，其产能将是传统开发者的十倍以上。这套 5 步 SOP，本质上是强迫我们在动手敲代码前，把业务闭环、视觉交互、底层数据结构（特别是像 AI 智能体这种包含多层复杂逻辑的系统）都想清楚。
理清了这些，写代码，反而成了整个软件工程里最简单的一环。
版权属于：soarli
本文链接：https://blog.soarli.top/archives/907.html
转载时须注明出处及本声明。
